深度学习助力乳腺癌保乳手术中肿瘤精准分割

为提升保乳手术（BCS）术中肿瘤分割效果，研究采用改进 U-Net 结合 CBAM 模型，成果显著。

　　乳腺癌是全球女性癌症相关死亡的主要原因之一，2020 年约有 230 万例确诊病例和 68.5 万例死亡病例。早期乳腺癌通常采用保乳手术（BCS）联合放射治疗，目的是在降低复发风险的同时保留乳房外观。本研究旨在利用数字乳腺断层合成（DBT）技术提升保乳手术过程中的术中肿瘤分割效果。研究人员运用一种深度学习模型，具体是结合了卷积块注意力模块（CBAM）的改进 U-Net 架构，来高精度地描绘肿瘤边缘。该系统在 51 例患者病例上进行评估，通过自动分割结果与手动绘制的轮廓以及病理评估进行对比。结果显示，所提出的方法取得了不错的准确率，交并比（IoU）和骰子系数分别为 0.866 和 0.928，这表明该方法在改善术中切缘评估和手术效果方面具有潜力。